论文部分内容阅读
地面激光扫描(Terrestrial LiDAR Scanning,TLS)作为一种主动遥感技术,通过发射脉冲信号并接收目标物体表面返回的信号完成三维测量,具有速度快、精度高、单次获取数据量大等特点,已经成为空间信息获取的重要手段,基于TLS技术的建筑物精细建模也成为近年来的研究热点。由于扫描视角和物体遮挡等限制,TLS需要多角度扫描才能完整覆盖城市建筑物场景,且获取到的多视点云都基于局部坐标系,需要通过点云配准技术将不同视角下的点云统一到同一坐标系下。国内外学者提出许多两视点云自动配准算法,但城市建筑物场景结构复杂,点云数据不仅含有大量噪声,同时包含对称或不完整结构,局部点云密度变化明显,TLS数据量非常庞大,如何提高城市建筑物场景下的两视点云自动配准精度和效率是目前亟待解决的问题。因此,本文主要研究城市建筑物场景下的两视点云自动配准,具体如下:(1)基于ISS-SHOT特征点的点云粗配准:目前,点云粗配准主要通过提取点云表面二维或三维特征进行粗配准,二维或三维特征的质量决定粗配准精度。本文将定向直方图标签(Signatures of Histograms of OrienTations,SHOT)三维特征描述子应用到城市建筑物场景点云粗配准中,对两视点云提取的ISS关键点进行SHOT特征描述,得到一组更精确的ISS-SHOT特征点对,使用采样一致性初始配准算法估计初始转换参数。同时设计了一个点云预处理流程:点云降噪和下采样,保证原始点云几何结构不变,同时提高点云质量,降低点云数量。多组数据配准结果表明,新提出的粗配准算法的配准精度与传统粗配算法保持不变,平均配准效率提高59%。(2)基于拟牛顿优化的三维正态分布变换精配准:传统三维正态分布变换算法(3D Normal Distribution Transform,3D-NDT)相对于ICP等精配准算法有着较高的配准精度和效率,但在城市建筑物场景等点云数量庞大的配准中效率并不理想,通过分析3D-NDT算法精配准原理,利用拟牛顿算法对3D-NDT算法中的二阶求导过程进行优化,提高了精配准效率。多组数据配准结果表明,随着点云数量的增加,改进3D-NDT算法时间消耗曲线远低于传统3D-NDT算法,同时在保证配准精度的情况下,平均配准效率提高88%。